SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE. MATEMATICKY MODEL A ZPUSOBY RESENi ULOHY PRIDELOVANi PRAzDNYCH VOZU
|
|
- Viktor Kříž
- před 6 lety
- Počet zobrazení:
Transkript
1 SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 3 (1997) MATEMATICKY MODEL A ZPUSOBY RESENi ULOHY PRIDELOVANi PRAzDNYCH VOZU Milan PODOLAK Katedra technologie a i'izeni dopravy UVOD Pri jizde prazdnych vozu do mista nakladky jsou dulezite dva zakladni faktoryjaktor casu - doba prazdneho behu vozu je soucasti doby" obehu vozu. Jeho prodluzovani vede ke zvysene potrebe vozu, ktera se pak projevuje ve zvysenych investicnich nakladech na obnovu ci udrzbu pracovniho parku vozu, nebo zvyseni najemneho za pobyt cizich vozu na siti. Druhym je faktor pi'imych nakladu, kter9 je primo zavisly na kilometricke vzdalenosti, trat'ovych pomerech, trakci a druhu vlaku, v nemz je vuz pi'epravovan. K temto okolnostem je ti'eba jeste uvest fakt, ze za pi'epravu prazdnych vozu neziskava dopravce zadne trzby. Proto musi byt zajmem vsech zeleznicnich podniku je organizovat tyto pi'epravy co nejhospodarneji. Stale rychlejsi rozvoj vyuzivani vypocetni techniky v doprave, zavadeni novych informacnich systemu do vsech technologickych postupu zeleznice a slusna uroveii matematickeho aparatu v teto problematice, nabizi vyuziti osobnich pocitacu pi'i teto cinnosti zeleznice. 1. MODEL ULOHY 1.1 Verbalni popis problemu Na dopravni siti existuji uzly, ktere maji prebytecne mnozstvi elementu a naopak uzly, kter9m se prazdne elementy nedostavaji. S ohledem na technicke a technologicke moznosti existuje mnoho zpusobu, jak je mozno pi'epravit prazdne elementy z mist jejich pi'ebytku do mist jejich nedostatku. My mame ze vsech moznych zpusobu vybrat ten, kter9 je pro nas Scientific Papers of the University of Pardubice Series B - The Jan Perner Transport Faculty 3 (1997)
2 nejvyhodnejsi. Metoda zvolena pro i'eseni teto ulohy mus! splnovat velke mnozstv! dalsich podminek: - co nejvetsi pokryti poti'eb elementu, - preference uspokojeni nekterych pozadavku na prazdne elementy, - moznost vzajemne zastupitelnosti elemenw ruznych typu (ruzne i'ady vozu), - rozhodovani 0 pokryvani poti'eb sousti'edit do minimalniho poctu mist, - zohledneni dynamickeho pojeti problemu, - respektovani propustnosti useku a uzlu site, - pi'ijatelna doba vypoctu. Podminka maximalniho pokryti poti'eb musi byt splnena vyberem vhodneho algoritmu pro i'eseni problemu. Preference uspokojeni nekterych poiadavku se tyka zejmena element" pro mezinarodni pi'epravu, poti'eb nekterych zakazniku, vyhlasenych vyrovnavkovych ukolu, atd. Vozovy park se nesklada pouze z jednoho druhu (Ceske drahy vlastni vice nez 120 vozovych i'ad). Jejich moine vyuziti, pi'ipadne zastupitelnost je dana vlastnostmi zasilky. Nutnost sousti'edeni rozhodovani do minimalniho poctu mist je dana tim, ze se se vzrustajicfm poctem techto mist zhorsuje vysledek optimalizace. Zdola je tento pocet omezen pi'enosovymi moznostmi datove site a dobou vypoctu. Zohledneni dynamickeho modelu je nutne proto, ie pi'epravou prazdnych elementu nedochazi pouze k pi'ekonavani vzdalenosti, ale i casu. Prazdne elementy se pi'emist'uji po usecich a v uzlech, ktere maji urcene propustnosti. Reseni musi byt i z tohoto pohledu uskutecnitelne. Pocet stanic obvodu, pouzita vypocetni technika a slozitost algoritmu urcuji dobu provedeni optimalizacniho vypoctu. 1.2 Hodnotic! kriteria Cilem optimalizacni ulohy pi'idelovani vozu je minimalizace celkolieho vysledku, ktery vznika z dilcich nakladu na pi'emist'ovani vozu. V linearnim modelu se dilci naklady vyjadi'uji jako soucin hodnotieich sazeb a poctu pi'emist'ovanych vozu z daneho mista zdroje do mista poti'eby. Pocty techto vozu se hledaji pi'i i'eseni, hodnoty sazeb je nutno stanovit pi'ed vypoctem. K realnemu vyjadi'eni minimalniho celkoveho vysledku je iadouci, aby se v sazbe odrazely naklady na vuz komplexne, tj. ve vsech fazich procesu pi'emist'ovani z mista zdroje do mista poti'eby. To znamena zahrnout do sazby naklady spojene: - s pobytem vozu v miste zdroje a v miste poti'eby vozu, - se zpracovanim v nacestnych sei'adovacich stanieich, - s jizdou na trati mezi mistem zdroje a mistem poti'eby. Sazbu je mozno vyjadi'it ve forme hodnotove nebo naturalni. V prvnim pi'ipade se sazba vyjadi'i v peneznich jednotkach a zjisti se prostym souctem nakladu v jednotlivych fazich procesu pi'idelovani vozu. Je nutne poznamenat, ie je obtizne tyto naklady stanovit. V druhem pi'lpade se naklady v kazde fazi procesu pi'evadeji pro zjednoduseni na kiiorr1etry. Zakladem pro stanoveni sazeb v kilometrech v podobe matice jsou vzdalenosti mezi jednotlivymi misty zdroju a poti'eb. Mohou to byt tarifni nebo skutecne pi'epravni vzdalenosti, pi'ipadne vzdalenosti,spojujici geometricke sti'edy skupin stanic. Upravou takto stanovene sazby (pomoci koeficientu ci pi'irazek) Ize vyjadi'it naklady spojene s nacestnym pi'ei'acfovanim, zohlednit charakter trati, vyjadi'it realna pi'emisteni (z hlediska technologie, casu), vyhodnost zameny vozu jinymi typy a dalsi viivy Milan Podolak: Matematicky model a zpusoby i'eseni ulohy pi'idelovani prazdnych vozu
3 Hodnotici sazby v uloze pridelovimi vozu nemusi byt nemenne. V prubehu casu je Ize upresriovat, nebo v pi'fpade potreby zmenit i hodnotici kriterium (napr. pri mimoradnostech v doprave). Ve stacionarnim modelu je mozne vyjadrit sazbu jeste prevodem nakladu na cas. V dynamickem modelu je cas uz zapracovan do reseni pri libovolnem hodnoticim kriteriu. Z hlediska pouzite metody je Ihostejne, ktera forma sazby se pouzije. Je to predevsim problem dostupnosti vychozich podkladu. 1.3 Matematicky model ulohy Predpokladejme, ze se v danem obvodu site nachazi m mist D I, D2,, D;,...,D m s prebytkem prazdnych elementu urciteho druhu a l,a 2,,a;,...,am a n mist S ps2,...,sj,..,sn s potrebou techto elementu b l,b 2,...,bj,...,bn pro nez plati: Ia; =A =B =Ib j ;=1 j=1 m n Prepravni naklady jednoho prazdneho elementu z mista D; do mista Sj jsou c y ' Tyto naklady budeme take oznacovat jako prepravni sazbu. Problemem je nalezt pocet elementu, ktere ma misto s prebytkem vozu zaslat do mist s nedostatkem elementu, aby celkove prepravni naklady byly minimalni. Pro takto formulovany problem je mozne sestavit nasledujici model linearniho programovani: n a; =I x ij, pro i =1. 2,... m j=1 (1) bj m =I x ij, pro j =1, 2;..., a ;=1 (2) x ij ~ 0, pro i =1. 2,... m a pro j =1, 2..., n m n IICijX ij ;=1 j=1 =z (min) (3) (4) Vztahy (1) a (2) omezuji nalezena reseni s ohledem na celkovy potet prazdnych elementu. ktere jsou k dispozici nebo ktere jsou potreba. Vztah (3) je logickou podminkou realnosti dosazeneho reseni. Ucelova funkce (4) nam minimalizuje celkove prepravni naklady na premisteni vsech elementu v sitl 2. METODY RESEN! K reseni ulohy pridelovani prazdnych elementu Ize pouzit: - soubor metod linearniho programovani, ktere pam v operacni analyze k nejpropracovanejsim, - metody teorie gram. Scientific Papers of the University of Pardubice Series B - The Jan Perner Transport Faculty 3 (1997)
4 Soubor metod Iinearniho programovani Ize rozdelit z hlediska pouziti na metody: - univerzalni (napi'. simplexova metoda), - specialni (napi'. Dantzigova metoda). Dalsim hlediskem podle kten3ho je mozno metody linearniho programovani clenit je stupen pi'esnosti celkoveho vysledku. Ole tohoto hlediska se metody deli na: - pi'esne (napi'. simplexova metoda, Dantzigova metoda), - pi'iblizne (napi'. Vogelova aproximacni metoda, Habrova frekvencni metoda). Zapracovani doplnujicich pozadavku do techto puvodnich metod neni bez jejich modifikaci mozne. Pomoci metod teorie grafu Ize splnit zakladni i doplnujici pozadavky na i'eseni ulohy pi'idelovani vozu. Tyto metody se svym pojetim vice pi'iblizuji podminkam provozu na zeleznici a vytvai'i zaklad pro i'eseni ulohy pomoci dynamickeho linearniho modelu. Zastupcem techto metod je modifikace metody sestaveni cirkulaci s minimalnimi naklady, ktera byla publikovana v literatui'e [l]. V dalsi casti je uvedena charakteristika Dantzigovy metody. 2.1 Dantzigova metoda Pi'i teto metode se postupuje v techto krocich: - Nalezeni vychoziho pi'ipustneho bazickeho i'eseni, - Provedeni testu optimality pro nalezene i'eseni, - Postupne vylepsovani i'eseni v pi'ipade, ze nalezene i'eseni nesplnuje kriterium optimality. K urceni zakladniho bazickeho feseni muzeme vyuzit mnoha metod. Tyto metody byvaji nazyvany metodami aproximacnimi. Maji dvoji uce!. Jednak byly vypracovany proto, aby pi'i nedostatku vypocetni kapacity na pocitaci bylo mozno rucne ci mechanizovane ziskat i'eseni blizke optimalnimu. Druhym ucelem je jiz uvedene ziskani vychoziho i'eseni. Tyto metody maji rozdilnou slozitost vypoctu s ohledem na to, jak pi'esne i'eseni pozadujeme. Narocnejsi metoda pouzita na urceni vychoziho i'eseni nam da toto i'eseni blizsi optimu (v nekter)lch pi'ipadech i optimalni). Neznamejsimi aproximacnimi metodami jsou: - severozapadniho rohu, - indexova vzestupna, - indexova sestupna, - kombinovana indexova, - Habrova frekvencni, - Vogelova aproximacni. Pi'ed vlastnim hledanim vychoziho pi'ipustneho i'eseni je nutno i'ici, ze vsechny metody pi'edpokladaji vybilancovanost ulohy, tzn., ze musi platit m Iai=A=B=Ib j. i=l j=1 V pi'ipade, ze A > B, zavedeme fiktivni stanici s poti'ebou prazdnych vozu (vozy ve skutecnosti zustavaji ve stanicich), ktera se rovna b n+j = A - B. Matice pi'epravnich nakladu se doplni 0 prvky Ci, +1 = 0 pro i = 1,2,.., m. n Milan Podolak: Matematicky model a zpusoby reseni ulohy pridelovani prazdnych vozu
5 V pi'ipade, ze A < B, zavedeme fiktivni stanici s pi'ebytkem pn3zdnych vozu (vozy ve skutecnosti dojizdeji do dane oblasti), ktera se rovna a m + 1 =B - A. Matice pi'epravnich nakladu se doplni 0 prvky cm+l,j = 0 pro j = 1,2,..,n. Podrobny popis metod je uveden v literatui'e [2]. Dalsim krokem popisovane Dantzigovy metody je test optimality. Dantzig ukazal, ze pro libovolne bazicke i'eseni je mozne najit takove cislo U i a v j, aby pro vsechny bazicke promenne platila rovnice U i +V j = C ij. Dantzig take ukazal, ze kdyz pro nebazicke promenne plati u i +V j = C ij a kdyz - soucasne vsechny C ij - Cij ~ 0, pak je bazicke i'eseni optimalni. Zjisteni optimality ziskaneho i'eseni probiha takto: Pro kazdou bazickou promennou sestavime jednu rovnici u i +V j = C ij. Resime vzniklou soustavu m + n - 1 rovnic 0 m + n neznamych jednoduchym zpusobem tak, ze si za jednu neznamou dosadime libovolne cislo a ostatni nezname dopocftame ze zbyvajicich rovnic. Tim nalezneme hodnoty vsech u i a v j' - Pi'esvedcime se, zda pro vsechna m x n pole tabulky plati vztah u i +v j -cij ~O. - Je-li tomu tak, pak je nalezeno optimalni i'eseni zadaneho dopravniho problemu. V opacnem pi'fpade muzeme nalezt nove i'eseni s nizsf hodnotou ucelove funkce. Pi'i hledani noveho a lepsiho i'eseni se postupuje takto: - Promennou vstupujid do noveho bazickeho i'eseni je ta, pro kterou je U i +V j - C ij maximalni. Promenne kazdeho bazickeho i'eseni (m+n-1 promennych) tvoi'f strom. Zai'azenim nove prome'mne vznikne v grafu s m+n vrcholy (promenne bazickeho i'eseni + nova prome'mna) kruznice. Vrcholy teto kruznice obsazujeme sti'idave znamenky + a - tak, ze novou promennou oznacime pomocnym znamenkem + a aby v kazdem sloupci a i'adku, kde se nachazi pomocne znamenko +, bylo i -. - Zvolime hodnotu t, ktera je rovna minimu z hodnot x ij' ktere jsou oznaceny pomocnym znamenkem -. - Provedeme upravu i'eseni tak, ze provedeme vsechny soucty, resp. rozdfly x ij ± t na uzavi'enem okruhu podle oznaceni pi'fslusnych poli uzavi'eneho okruhu pomocnymi znamenky. - Provedeme test optimality. I Hodnota noveho i'esenf je Z i = Z 0 - t x (c ij - C ij)' kde je Z 0 hodnota pi'edchazejfciho i'eseni, cij je pi'epravni sazba pi'edstavujici z i'eseni vyi'azenou promennou a C ij je pi'epravni sazba pi'edstavujici novou promennou. Scientific Papers of the University of Pardubice Series B - The Jan Perner Transport Faculty 3 (1997)
6 Problem pfidelovani vozu je tematem disertacni prace autora. Tento problem chce fem Dantzigovou metodou. Z duvodu nutnosti zahrnout do feseni podminky uvedene v kapitole 1.1., je potfeba tuto metodu modifikovat. V nasledujicim seznamu je uvedeno nekolik techto zmen a nastineny problemove okruhy feseni: - Vychazi se ze zakladni matice vzdalenosti mezi stanicemi s pfebytky a nedostatky vozu ( matice sazeb). - Zastupitelnost vozovych fad - souhrnne pfebytky a pozadavky v jednotlivych stanicich se rozcleni nejen podle stanic, ale i podle fad vozu. Tim se rozroste matice sazeb. Kazdemu pozadavku se pfifadi mnozina fad vozu, ktere ho mohou uspokojit. Dojde k uprave prvku teto matice. Neshoduje-li se fada vozu, ktery je k dispozici s prvkem mnoziny fad vozu u pozadavku, pfifadi se dane sazbe nekonecno. V opacnem pfipade zustane sazba zachovana, eventuelne dojde k jeji zmene podle miry zastupitelnosti vozovych fad. - Preference pfi uspokojeni nekterych pozadavku - Pfedmetem dalsiho feseni bude, zda je vyhodnejsi jit cestou snizeni sazeb ve sloupcich preferovanych pozadavku, nebo cestou dvoustupriove optimalizace(nejdfive uspokojeni preferovanych a pote ostatnich pozadavku). - Zohledneni dynamicke pojeti - Ke kazdemu pfebytku (pozadavku) je znama nebo je mozno odhadnout dobu, kdy bude vuz k dispozici (kdy jej potfebujeme). Z techto dob a Planu vlakotvorby je mozno zjistit, zda je pfeprava reprezentovana danou sazbou uskutecnitelna. Pokud neni, zmeni se tato na nekonecno. Pfipadne je mozne tuto sazbu zvetsit 0 urcitou hodnotu vypovidajici 0 poctu pfefazeni na pfepravni ceste. Pfedpokladem je jizda nakladnich vlaku podle grafikonu vlakove dopravy. - Respektovani propustnosti trati a stanic - Tento pozadavek je asi nejproblemovejsi a pfedmetem dalsich praci bude jednak analyza moznosti zapracovani tohoto pozadavku do feseni a zpusob zjisteni hodnot kapacit techto prvku site vyuzitelnych pro pfepravu prazdnych vozu. Ve vsech bodech, krome posledniho, se vlastne jedna pouze 0 zmenu puvodni matice sazeb. Lekforova/: Doc. RNDr. Bohdan Linda, esc. Pfedloieno v lednu Literatura [1] Mojiis, V. : Technologie a fizeni zeleznicni dopravy, habilitacni prace, Pardubice 1994 [2] Podolak, M. : Moznosti automatizace prace vozoveho dispecera, diplomova prace, Pardubice 1996 Milan Podolak: Matematicky model a zpusoby feseni ulohy piidilovani prazdnych vozu
7 Resume MATEMATICKY MODEL A ZPUSOBY RESENi ULOHY PRIDELOvANi prazdnych VOZU Milan PODOLAK Pfispevek se zabyva ulohou pridelovani prazdnych vozu k nakladce. Je uveden verbalni a matematicky model problemu. Pro posouzeni kvality jednotlivych variant je provedena analyza a vyber hodnoticfch kriterif. Jsou zmineny mozne zpusoby resenf. Podrobne je popsana Dantzigova metoda a jsou nastineny moznosti modifikace puvodniho algoritmu. Summary MATHEMATICAL MODEL AND METHODS TO FIND SOLUTION OF PROBLEM OF ALOCATION OF EPTY WAGONS Milan PODOLAK The article deals with the problem of allocation of empty wagons for loading. Verbal and mathematical models of this problems are stated. For consideration of the quality the respective solution variants are analysed and valuation criteria are chosen. The possible mathematical methods to find solutions are presented. The Dantzig's metod is presented in detail. The possibilities of modification of original algorithm is sketched. Zusammenfassung DAS MATHEMATISCHE MODELL UNO LOSUNGSWEISE DER AUFGABE UBER AUFTEILUNG DER LEERWAGONEN Milan PODOLAK Der Beitrag befasst sich mit der Aufgabe der Zuteilung der leeren Wagen zur Ladung. 1st hier ein Verbal- und Mathematikmodel von Problem angefohrt. Fur die Beurteilung der Qualitat der einzelnen Varianten der Losung wurde die analyse und Wahl der bewertenden Kriterien durchgefohrt. Sind hier einige moglichen Losungsmethoden angefohrt. 1st hier ausfohrlich eine Dantzigsmethode beschreibt. Zugleich einige Modifikationsmoglichheiten von originellen Algorithmus. Scientific Papers of the University of Pardubice. Series B - The Jan Perner Transport Faculty 3 (1997)
8 - 214-
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE. MATEMATICKÝ MODEL A ZPŮSOBY ŘEŠENí ÚLOHY PŘIDĚLOVÁNí PRÁZDNÝCH VOZŮ
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 3 (1997) MATEMATICKÝ MODEL A ZPŮSOBY ŘEŠENí ÚLOHY PŘIDĚLOVÁNí PRÁZDNÝCH VOZŮ Katedra technologie a řízení dopravy
4EK213 Lineární modely. 12. Dopravní problém výchozí řešení
4EK213 Lineární modely 12. Dopravní problém výchozí řešení 12. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE OPTIMALIZACE VÝBĚRU CÍLOVÝCH VLAKŮ V ZÁKLADNÍ SEŘAĎOVACÍ STANICI
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 5 (1999) OPTIMALIZACE VÝBĚRU CÍLOVÝCH VLAKŮ V ZÁKLADNÍ SEŘAĎOVACÍ STANICI Katedra technologie a řízení dopravy
2. část: Základy matematického programování, dopravní úloha. Ing. Michal Dorda, Ph.D.
2. část: Základy matematického programování, dopravní úloha. 1 Úvodní pojmy Metody na podporu rozhodování lze obecně dělit na: Eaktní metody metody zaručující nalezení optimální řešení, např. Littlův algortimus,
e-mail: RadkaZahradnikova@seznam.cz 1. července 2010
Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení
4EK311 Operační výzkum. 4. Distribuční úlohy LP část 1
4EK311 Operační výzkum 4. Distribuční úlohy LP část 1 4. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování (plánování
7. přednáška Systémová analýza a modelování. Přiřazovací problém
Přiřazovací problém Přiřazovací problémy jsou podtřídou logistických úloh, kde lze obecně říci, že m dodavatelů zásobuje m spotřebitelů. Dalším specifikem je, že kapacity dodavatelů (ai) i požadavky spotřebitelů
Operační výzkum. Přiřazovací problém.
Operační výzkum Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ..7/2.2./28.326
4EK201 Matematické modelování. 2. Lineární programování
4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených
POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS
POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS Kateřina Pojkarová Anotace:Dopravu vužívají lidé za různým účelem, mimo jiné i ke svým cestám
4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE. OPTIMALIZACE VÝLUKOVÉ ČINNOSTI POMocí SIMULAČNíHO MODELU
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 3 (1997) OPTIMALIZACE VÝLUKOVÉ ČINNOSTI POMocí SIMULAČNíHO MODELU Karel ŠOTEK Katedra informatiky v dopravě Úvod
Oduvodneni ucelnosti vei'ejne zakazlty V souladu s 156 zakona c.137/2006 Sb., o vefejnych zakazkach (dale jen zakon")
Vyssi policejni skola Ministerstva vnitra v Praze Pod Taborem 102/5 190 24 PrahaQ DY90P0005Z6N_ C.j. VPSA-826/EU-2014/OVZI Praha 15. srpna 2014 Pocet listu: 5 Oduvodneni ucelnosti vei'ejne zakazlty V souladu
Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,
4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
Systematická tvorba jízdního řádu 2. cvičení
Projektování dopravní obslužnosti Systematická tvorba jízdního řádu 2. cvičení Ing. Zdeněk Michl Ústav logistiky a managementu dopravy ČVUT v Praze Fakulta dopravní Rekapitulace zadání Je dána následující
fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Kvantitativní metody v rozhodování. Marta Doubková
Kvantitativní metody v rozhodování Marta Doubková Seminární práce 28 OBSAH 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA... 3 2 DISTRIBUČNÍ ÚLOHA... 7 3 ANALÝZA KRITICKÉ CESTY METODA CPM... 13 4 MODEL HROMADNÉ
Metody lineární optimalizace Simplexová metoda. Distribuční úlohy
Metody lineární optimalizace Simplexová metoda Dvoufázová M-úloha Duální úloha jednofázová Post-optimalizační analýza Celočíselné řešení Metoda větví a mezí Distribuční úlohy 1 OÚLP = obecná úloha lineárního
Optimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém
Obsah přednášky Mgr. Květuše Sýkorová Optimalizace Lineární programování Distribuční úlohy Okružní problém KI Př UJEP Ústí nad Labem Nederivační metody Metody 1D optimalizace Derivační metody Optimalizace
Přiřazovací problém. Přednáška č. 7
Přiřazovací problém Přednáška č. 7 Přiřazovací problém je jednou podtřídou logistických úloh. Typickým problémem může být nejkratší převoz materiálu od dodavatelů ke spotřebitelům. spotřebitelé a i dodavatelé
LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Problém lineární komplementarity a kvadratické programování
Problém lineární komplementarity a kvadratické programování (stručný učební text 1 J. Rohn Univerzita Karlova Matematicko-fyzikální fakulta Verze: 17. 6. 2002 1 Sepsání tohoto textu bylo podpořeno Grantovou
Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
Návrh Designu: Radek Mařík
1. 7. Najděte nejdelší rostoucí podposloupnost dané posloupnosti. Použijte metodu dynamického programování, napište tabulku průběžných délek částečných výsledků a tabulku předchůdců. a) 5 8 11 13 9 4 1
4EK311 Operační výzkum. 2. Lineární programování
4EK311 Operační výzkum 2. Lineární programování 2.2 Matematický model úlohy LP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a 13 x
12. Lineární programování
. Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum)
Parametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25
Simplexové tabulky z minule (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexová metoda symbolicky Výchozí tabulka prom. v bázi zákl. proměné přídatné prom. omez. A E b c T 0 0 Tabulka po přepočtu
Systémové modelování. Ekonomicko matematické metody I. Lineární programování
Ekonomicko matematické metody I. Lineární programování Modelování Modelování je způsob zkoumání reality, při němž složitost, chování a další vlastnosti jednoho celku vyjadřujeme složitostí, chováním a
Globální matice konstrukce
Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{
2 Spojité modely rozhodování
2 Spojité modely rozhodování Jak již víme z přednášky, diskrétní model rozhodování lze zapsat ve tvaru úlohy hodnocení variant: f(a i ) max, a i A = {a 1, a 2,... a p }, kde f je kriteriální funkce a A
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE. Optimalizace trasy při revizích elektrospotřebičů
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Ekonometrie a operační výzkum Název diplomové práce Optimalizace trasy při revizích elektrospotřebičů Diplomant: Vedoucí
4EK201 Matematické modelování 5. Speciální úlohy lineárního programování
4EK201 Matematické modelování 5. Speciální úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy
CVIČNÝ TEST 11. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 19 IV. Záznamový list 21
CVIČNÝ TEST 11 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 19 IV. Záznamový list 21 I. CVIČNÝ TEST VÝCHOZÍ TEXT K ÚLOZE 1 Je k dispozici m přepravek na ovoce. Prázdná přepravka
POŽADAVKY UŽIVATELE DOPRAVNÍHO SYSTÉMU USER REQUIREMENTS TRANSPORT SYSTEM
POŽADAVKY UŽIVATELE DOPRAVNÍHO SYSTÉMU USER REQUIREMENTS TRANSPORT SYSTEM Rudolf Kampf 1 Anotace: Článek se zabývá problematikou základních parametrů, které ovlivňují volbu dopravního prostředku uživatelem.
OPTIMALIZACE VYLUKOVE CINNOSTI pomoci SIMULACNiHO MODELU
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Pemer Transport Faculty 3 (1997) OPTIMALIZACE VYLUKOVE CINNOSTI pomoci SIMULACNiHO MODELU Karel SOTEK Katedra informatiky v doprave Uvod
PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES
PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES Zdeněk Píšek 1 Anotace: Příspěvek poednává o základních aspektech a prvcích plánování taktových ízdních řádů a metod, kterých se
Lineární algebra. Soustavy lineárních rovnic
Lineární algebra Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326
Zadání semestrální práce z předmětu Mechanika 2
Zadání semestrální práce z předmětu Mechanika 2 Jméno: VITALI DZIAMIDAU Číslo zadání: 7 U zobrazeného mechanismu definujte rozměry, hmotnosti a silové účinky a postupně proveďte: 1. kinematickou analýzu
Soustavy lineárních rovnic
Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a
Simplexová metoda. Simplexová tabulka: Záhlaví (účelová funkce) A ~ b r βi. z j c j. z r
Simplexová metoda Simplexová metoda, je jedním ze způsobů, jak řešit úlohy lineárního programování. Tato metoda vede k cíly, nelezení optimálního řešení, během konečného počtu kroků, pokud se při prvním
4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP
4EK212 Kvantitativní management 1. Úvod do kvantitativního managementu a LP Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka
Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,
Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),
Layout pracoviště a řízení Rozvrhování pracovníků
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Layout pracoviště a řízení Rozvrhování pracovníků Jan Vavruška Technická univerzita
Matematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
13. Lineární programování
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
Základy matematiky pro FEK
Základy matematiky pro FEK 3. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 21 Co nás dneska čeká... Co je to soustava lineárních
APLIKACE ÚHOLY OBCHODNÍHO CESTUJÍCÍHO PRO VÝBĚR OPTIMÁLNÍHO POŘADÍ FÁZÍ SVĚTELNĚ ŘÍZENÝCH KŘIŽOVATEK
APLIKACE ÚHOLY OBCHODNÍHO CESTUJÍCÍHO PRO VÝBĚR OPTIMÁLNÍHO POŘADÍ FÁZÍ SVĚTELNĚ ŘÍZENÝCH KŘIŽOVATEK APPLICATION OF TRAVEL SALESMAN PROBLEM FOR OPTIMAL ORDER OF PHASES OF LIGHT CONTROLLED INTERSECTIONS
Obecná úloha lineárního programování
Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
CLARKEOVA-WRIGHTOVA METODA ŘEŠENÍ ÚLOHY VRP
CLARKEOVA-WRIGHTOVA METODA ŘEŠENÍ ÚLOHY VRP 1. Definice úlohy Úloha VRP (Vehicle Routing Problem problém okružních jízd) je definována na obecné dopravní síti S = (V,H), kde V je množina uzlů sítě a H
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
Ekonomická formulace. Matematický model
Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest
6 Ordinální informace o kritériích
6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní
Interpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
FP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
FP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci OBSAH A CÍLE SEMINÁŘE: Opakování a procvičení vybraných
MAPOVÉ PODKLADY A VYUŽITÍ VÝPOČETNÍ TECHNIKY A GISU PRO TVORBU TRAS LINEK MAP BASIS AND USING OF COMPUTERS AND GIS FOR TRANSPORT LINE DESIGN
MAPOVÉ PODKLADY A VYUŽITÍ VÝPOČETNÍ TECHNIKY A GISU PRO TVORBU TRAS LINEK MAP BASIS AND USING OF COMPUTERS AND GIS FOR TRANSPORT LINE DESIGN Jaroslav Kleprlík 1, David Šourek 2 Anotace: Tento článek se
Karta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0259 Garantující institut: Garant předmětu: Exaktní metody rozhodování Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková,
Aplikovaná matematika I
Metoda nejmenších čtverců Aplikovaná matematika I Dana Říhová Mendelu Brno c Dana Říhová (Mendelu Brno) Metoda nejmenších čtverců 1 / 8 Obsah 1 Formulace problému 2 Princip metody nejmenších čtverců 3
METODY HODNOCENÍ MĚSTSKÉ HROMADNÉ DOPRAVY
METODY HODNOCENÍ MĚSTSKÉ HROMADNÉ DOPRAVY Ivana Olivková 1 Anotace:Článek se zabývá provozním hodnocením městské hromadné dopravy. Provozní hodnocení zahrnuje kriteria související s provozem MHD tj. charakteristiky
IB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
OSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
VYUŽITÍ FLOYDOVA ALGORITMU NA SITÍCH USE OF FLOYD ALGORITHM IN NETWORKS
Ročník., Číslo IV., listopad VYUŽITÍ FLOYDOVA ALGORITMU NA SITÍCH USE OF FLOYD ALGORITHM IN NETWORKS Denisa Moková Anotae: Článek se zabývá využitím Floydova algoritmu pro výpočet vzdáleností na síti,
Aplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2
Výpočet transformačních koeficinetů vybraných 2D transformací Jan Ježek červen 2008 Obsah Odvození transformačního klíče vybraných 2D transformací 2 Meto vyrovnání 2 2 Obecné vyjádření lineárních 2D transformací
OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS
OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb Anotace: Optimalizace objektů pozemních staveb
Diskrétní řešení vzpěru prutu
1 z 5 Diskrétní řešení vzpěru prutu Discrete solution of beam buckling Petr Frantík Abstract Here is described discrete method for solution of beam buckling. The beam is divided into a number of tough
Teorie systémů TES 1. Úvod
Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti. Teorie systémů TES 1. Úvod ZS 2011/2012 prof. Ing. Petr Moos, CSc. Ústav informatiky a telekomunikací Fakulta dopravní ČVUT v Praze
a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
1 Úvod do celočíselné lineární optimalizace
Úvod do celočíselné lineární optimalizace Martin Branda, verze 7.. 7. Motivace Reálné (smíšeně-)celočíselné úlohy Optimalizace portfolia celočíselné počty akcií, modelování fixních transakčních nákladů,
1 0 0 u 22 u 23 l 31. l u11
LU dekompozice Jedná se o rozklad matice A na dvě trojúhelníkové matice L a U, A=LU. Matice L je dolní trojúhelníková s jedničkami na diagonále a matice U je horní trojúhelníková. a a2 a3 a 2 a 22 a 23
OBECNÝ MODEL ODSTAVNÉHO POPLATKU NA AUTOBUSOVÉM NÁDRAŽÍ PRO SOUKROMÉHO VLASTNÍKA GENERAL PARKING FEE MODEL ON BUS TERMINAL FOR PRIVATE OWNER
OBENÝ MODEL ODSTAVNÉHO OLATKU NA AUTOBUSOVÉM NÁDRAŽÍ RO SOUKROMÉHO VLASTNÍKA GENERAL ARKING FEE MODEL ON BUS TERMINAL FOR RIVATE OWNER Martina Lánská 1 Anotace:Článek se zabývá nástinem problematiky stanovení
V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
Neuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
Obecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 3 Katedra ekonometrie FEM UO Brno Optimalizace portfolia Investor se s pomocí makléře rozhoduje mezi následujícími investicemi: akcie A, akcie B, státní pokladniční poukázky, dluhopis A, dluhopis
Soustava m lineárních rovnic o n neznámých je systém
1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...
APROXIMACE KŘIVEK V MATLABU NEWTONŮV INTERPOLAČNÍ POLYNOM CURVE FITTING IN MATLAB NEWTON INTERPOLATION POLYNOMIAL
APROXIMACE KŘIVEK V MATLABU NEWTONŮV INTERPOLAČNÍ POLYNOM CURVE FITTING IN MATLAB NEWTON INTERPOLATION POLYNOMIAL Jiří Kulička 1 Anotace: Článek se zabývá odvozením, algoritmizací a popisem konstrukce
Metoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika)
Inovace studijního oboru Geotechnika Reg. č. CZ.1.07/2.2.00/28.0009 Metoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika) Doc. RNDr.
Příklady modelů lineárního programování
Příklady modelů lineárního programování Příklad 1 Optimalizace výroby konzerv. Podnik vyrábí nějaký výrobek, který prodává v 1 kg a 2 kg konzervách, přičemž se řídí podle následujících velmi zjednodušených
Lineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
4EK213 Lineární modely. 10. Celočíselné programování
4EK213 Lineární modely 10. Celočíselné programování 10.1 Matematický model úlohy ILP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a
1 PRVOCISLA: KRATKY UKAZKOVY PRIKLAD NA DEMONSTRACI BALIKU WEB 1
1 PRVOCISLA: KRATKY UKAZKOVY PRIKLAD NA DEMONSTRACI BALIKU WEB 1 1. Prvocisla: Kratky ukazkovy priklad na demonstraci baliku WEB. Nasledujici program slouzi pouze jako ukazka nekterych moznosti a sluzeb,
Soustavy lineárních rovnic
Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného
10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
Teorie her a ekonomické rozhodování. 2. Maticové hry
Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru
Rovinná úloha v MKP. (mohou být i jejich derivace!): rovinná napjatost a r. deformace (stěny,... ): u, v. prostorové úlohy: u, v, w
Rovinná úloha v MKP Hledané deformační veličiny viz klasická teorie pružnosti (mohou být i jejich derivace!): rovinná napjatost a r. deformace (stěny,... ): u, v desky: w, ϕ x, ϕ y prostorové úlohy: u,
Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.
Operační výzkum Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
Úlohy nejmenších čtverců
Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)
Klauzurní část školního kola kategorie A se koná
56. ročník matematické olympiády Úlohy klauzurní části školního kola kategorie 1. rčete všechna reálná čísla s, pro něž má rovnice 4x 4 20x 3 + sx 2 + 22x 2 = 0 čtyři různé reálné kořeny, přičemž součin
Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců
Determinant matice Čtvercové matice Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant je zobrazení, které přiřadí každé čtvercové matici A skalár (reálné číslo).
Základní datové struktury
Základní datové struktury Martin Trnečka Katedra informatiky, Přírodovědecká fakulta Univerzita Palackého v Olomouci 4. listopadu 2013 Martin Trnečka (UPOL) Algoritmická matematika 1 4. listopadu 2013
Metody síťové analýzy
Metody síťové analýzy Řeší problematiku složitých systémů, zejména pak vazby mezi jejich jednotlivými prvky. Vychází z teorie grafů. Základní metody síťové analýzy: CPM (Critical Path Method) deterministický
Numerické metody a programování. Lekce 4
Numerické metody a programování Lekce 4 Linarní algebra soustava lineárních algebraických rovnic a 11 a 12 x 2 a 1, N x N = b 1 a 21 a 22 x 2 a 2, N x N = b 2 a M,1 a M,2 x 2 a M,N x N = b M zkráceně A
Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s
Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných
Soustavy se spínanými kapacitory - SC. 1. Základní princip:
Obvody S - popis 1 Soustavy se spínanými kapacitory - S 1. Základní princip: Simulace rezistoru přepínaným kapacitorem viz známý obrázek! (a rovnice) Modifikace základního spínaného obvodu: Obr. 2.1: Zapojení
Teoretická otázka č. 11 K čemu slouží analýza citlivosti báze vhledem ke složkám vektoru pravých stran? Popište rámcově způsob jejího provedení.
Bodování zkouškového testu: Teorie 40 bodů: 4x 0 Příklady 60 bodů: 5+20+25 Bonifikace 20 bodů Celkem 20 bodů: 00+20 Přehled některý možných zkouškových otázek z EMMI. Teoretická otázka č. Volně charakterizujte